20世纪90年代,当Bill Parcells担任美国国家橄榄球联盟新英格兰爱国者队主教练的时候,他曾被问及是否认为自己应该参与到球员的交易中,他说,“如果他们想让你做晚餐,那至少应该让你去采购一些食材。”
为了给企业客户提供一个吸引人的菜单,VMware一直在收购,而这些收购成为了本周一在旧金山开幕的VMworld 2019大会的主要故事线。就在这次大会举行的几天之前,VMware刚刚进行了公司有史以来价格最高的、同时也最引人关注的两笔收购:Pivotal Software和Carbon Black。
收购这两个上市公司的总金额高达48亿美元,这同时也突显了VMware对Kubernetes和网络安全的重视。最近几个月,Pivotal加大了对Kubernetes编排功能的支持力度,发布了面向Cloud Foundry平台的应用服务,该平台让开发人员能够将他们的应用移动到软件容器中。
容器:改写游戏规则的技术
本周一,VMware推出了一系列支持Kubernetes生态系统的新服务,进一步加大了对Kubernetes的赌注。其中,Tanzu能够以统一的视图管理容器和虚拟机,Project Pacific将Kubernetes原生地嵌入到vSphere(VMware核心平台)中。
VMware首席执行官Pat Gelsinger(如图)在周一发表主题演讲之后的新闻发布会上表示:“我们认为Kubernetes是一项改变游戏规则的技术,这是近十年或者二十年内出现的一大变革技术。”
收购云端点保护解决方案的网络安全厂商Carbon Black,突显了VMware对解决企业计算一大基本问题的兴趣:安全问题是一团糟。
VMware客户运营首席运营官Sanjay Poonen在周一的主题演讲中表示:“这个行业需要重塑,在这个支离破碎的行业中有5000家厂商。看看这个行业,我们觉得肯定有更好的解决方法。”
VMware认为,更好的方法就是利用Carbon Black丰富的数据分析来解决端点安全问题。这一点变得越来越重要,特别是VMware正朝着Gelsinger所谓“在任何云任何设备上管理任何应用”的方向发展。
AppDefense不断增强
VMware正在加速网络安全方面的发展。在以数十亿美元收购Carbon Black之后,VMware本周一宣布将对AppDefense(AppDefense是VMware收购的Intrinsic安全初创公司)进行增强,并与另一家公司Kenna Security展开合作,在App Verification Cloud中提供基于风险的数据。
正如VMware高级副总裁、安全产品总经理Tom Corn在博客文章提到的,AppDefense将为整个堆栈提供漏洞报告,包括vSphere和访客系统、以及运行其中的应用或者工作负载。
Corn在周一的新闻发布会上表示:“不会增加扫描,也不会增加代理,它实际上是建立在平台上的。我们需要专注于构建安全性,而不是仅仅依赖于安全性。”
VMworld大会开幕日当天发布的大多数新闻把焦点集中了应用上,无论是使用新的Kubernetes工具来移动应用,加速GPU服务来为应用提供动力,还是利用混合云基础设施实现应用的现代化,或者推出新技术保护应用的安全,这些都突出了一点,那就是现在是一个应用的世界,VMware已经明确地将重点转向满足客户在应用方面的需求。
在发表了主题演讲之后的媒体见面会上,Gelsinger提到了Michael Dell,而他本人正坐在距离不到五英尺远的地方。
“Michael Dell有这样一句话:‘感到高兴但还不够满意’。我们要做的事情还没有做完,以云为基础,我们即将扩展应用体验。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。